Salta al contenuto

IA

ChatGPT ora ascolta mentre parla. Le tue interruzioni sono benvenute

GPT-Live-1 e GPT-Live-1 mini di OpenAI sono modelli vocali full-duplex: parlano e ascoltano nello stesso momento. La vecchia pipeline vocale in tre pezzi è a fine corsa.

Foto di copertina: Jernej Furman from Slovenia / CC BY 2.0

TL;DR

  1. OpenAI lancia GPT-Live-1 e GPT-Live-1 mini, modelli vocali full-duplex che parlano e ascoltano in contemporanea.
  2. GPT-Live-1 mini sostituisce di default la Advanced Voice Mode in ChatGPT; i piani a pagamento ottengono anche il modello più grande.
  3. Ai lavori pesanti come ricerca e ragionamento pensano i modelli testuali più recenti, come GPT-5.5.

Cosa è successo

OpenAI ha rilasciato due modelli vocali conversazionali, GPT-Live-1 e GPT-Live-1 mini. Secondo l'azienda suonano più naturali e gestiscono meglio i turni di parola rispetto a quelli di prima.

La parola chiave è full-duplex. I modelli possono parlare e ascoltare nello stesso istante, quindi puoi intervenire con naturalezza, come faresti con un umano che ha appena attaccato un racconto lunghissimo. OpenAI dice che questo rende possibili anche funzioni come la traduzione in tempo reale.

Il rollout è semplice. GPT-Live-1 mini sostituisce di default l'attuale Advanced Voice Mode in ChatGPT. Chi ha un piano a pagamento può usare anche il più grande GPT-Live-1.

Il vecchio sistema era una staffetta tra tre modelli separati: speech-to-text per trascriverti, un large language model per scrivere la risposta e text-to-speech per leggerla ad alta voce. Ogni passaggio di testimone era un'occasione per parlarti sopra o per dire una cretinata.

In un briefing con la stampa, OpenAI ha detto che i nuovi modelli risolvono proprio questi difetti: interrompere gli utenti a metà pensiero e non essere abbastanza svegli da rispondere alle domande. Quando una richiesta ha bisogno di ricerca, ragionamento o lavoro da agente, il modello vocale la passa agli ultimi modelli testuali di OpenAI, come GPT-5.5, senza interrompere la conversazione.

OpenAI ha mostrato anche il modello che resta in silenzio per un bel pezzo, assorbendo il contesto della conversazione finché qualcuno non lo chiama in causa. Un'IA muta che ascolta in religioso silenzio. Niente di cui preoccuparsi, sapiens.

Perché conta

Finora gli assistenti vocali hanno funzionato un po' come i walkie-talkie: parli, aspetti, risponde, aspetti. Il full-duplex elimina l'attesa. La conversazione smette di essere una sequenza di turni e comincia a somigliare a una vera conversazione.

Il cambio di architettura conta quanto la sensazione d'uso. Un solo modello che ascolta e parla, con un modello testuale come cervello di riserva, è un progetto diverso dalla pipeline a catena. Meno passaggi di mano, meno occasioni per pestarti le frasi.

La nostra lettura: se le demo dal vivo reggono nell'uso quotidiano, gli altri assistenti vocali dovranno rispondere. Ma le promesse dei vendor restano promesse finché non ci hai parlato per una settimana.

La vecchia modalità vocale era tre modelli dentro un trench. La nuova prova a essere uno solo.

Cosa farne

  • Apri la modalità vocale e interrompila.Tagliale la parola a metà risposta e guarda se cede il passo senza perdere il filo.
  • Prova la traduzione in tempo reale.Se lavori con più lingue, mettila alla prova con una conversazione vera prima di affidarle qualcosa di importante.
  • Confronta i due modelli.Se paghi, fai la stessa domanda difficile a GPT-Live-1 e al mini e guarda dove si vede la taglia in più.
  • Tieni d'occhio il passaggio di consegne.Chiedi qualcosa che richiede ricerca o ragionamento e controlla se la risposta migliora quando il modello vocale la gira a un modello testuale.

Ciao, sapiens. Allenati a interrompere, finché ti lascia vincere.